深部脑刺激诱发情绪的神经信号分类器

基于摘要分析。本研究面向难治性抑郁症（TRD）的胼胝体下扣带白质（SCCwm）深部脑刺激（DBS），尝试利用刺激期间的头皮 EEG 与情绪自评构建客观刺激定位判别工具，并将分类器系数与结构连接信息联系起来，为刺激植入和参数设置提供研究依据。 方法上，作者使用此前报告的高密度头皮 EEG，结合情绪自评，训练支持向量机（SVM），区分治疗靶点（OnTarget）与距其 1.5 毫米的非治疗靶点（OffTarget）刺激。摘要未明确情绪自评是作为模型输入、标签依据还是辅助分析，也未说明 EEG 特征构造及其对刺激伪迹的处理方式；标题中的“Neural Classifier”不应据此理解为神经网络模型。 作者报告，学习得到的模型系数与组织激活体积（VTA）建模预测的参与纤维束相吻合，且这些 VTA 模型能够在大规模 Human Connectome Project（HCP）结构连接组中筛选出具有信息量的纤维流线。这构成了从 EEG 判别到刺激涉及结构通路的关联分析，但摘要未提供分类指标、关联强度或统计不确定性，尚不能判断其定位精度与稳健性。 作者称分类器已开源，数据集作为抗抑郁 DBS 多模态基础的一部分发布；具体获取方式、许可及复现环境尚未验证。被试数量、训练与测试划分、被试内或跨被试评估、对照基线、实验协议、消融及统计信息尚未验证。作者将该模型定位为推进自适应 SCCwm-DBS 的工具，但摘要未报告闭环控制或前瞻性临床验证，因此不能将这一用途视为已证实的临床效果。